• 2024 各家bev-occ方案进展

## ✨ News! ✨ - 2023.11.20: 💻 OccNet-Course 在线学习网站上线 ！ http://111.229.117.200:8100/ - 2023.9.10: 📝 课程提案 更多更新日志会同步到 [CHANGELOG](CHANGELOG.md)，持续更新中，感谢大家的支持与喜欢！

More

源代码 开发环境 文档/课件PPT 视频 课后答疑

OccNet-Course

Surrounding Semantic Occupancy Perception Course for Autonomous Driving

课程目录

自动驾驶感知算法之占据网络专题

在线课程网站：http://111.229.117.200:7003/

	课程章节 （点击标题展开章节详情🔎）	课程视频	课件PPT	节选
🔥 试看	一、BEV感知概述（3周） [课程目录 >](Chapter01-BEV感知概述) - 1.1 课程介绍和内容设计 - 1.2 BEV感知算法的基本介绍 - 1.3 相比于PV视角的差异性 - 1.4 BEV和OccNet的联系 - 1.5 主流的方法一览（前向预测和反向映射） - 1.5.1 LSS - 1.5.2 BEVDet - 1.5.3 BEVFormer - 1.5.4 DETR3D - 1.5.5 FUTR3D - 1.6 小结与课后习题	[📹 Video] | [百度网盘 4jja]	PPT | [百度网盘]
🔥 试看	二、占据栅格网络概述(1.5周) [课程目录 >](Chapter02-占据栅格网络概述) - 2.1 3D语义场景补全（SSC）与3D场景预测 - 2.2 占据网络基本思路 - 2.3 纯视觉和多模态分类 - 2.3.1 纯视觉方案 - 2.3.2 点云方案 - 2.4 Occpuancy网络基本流程梳理 - 2.5 优势与挑战 - 2.6 小结与课后习题	[📹 Video] | [百度网盘wl1f]	[PPT] | [百度网盘]
	三、重要数据集和Benchmark介绍（1周） [课程目录 >](Chapter03-重要数据集和Benchmark介绍) - 3.1. 主流数据集介绍 - 3.1.1 nuScenes - 3.1.2 SemanticKITTI - 3.1.3 如何自制Occ数据集(SurroundOcc) - 3.2. Benchmark对比 - 3.2.1 指标介绍 - 3.2.2 [当前现状](Chapter03-重要数据集和Benchmark介绍) - 3.2.2.1 Occ3D - 3.2.2.2 OpenOccupancy - 3.3. 主要的竞赛Challenge介绍 - 3.4 小结与课后习题	[📹 Video] | [百度网盘]	[PPT] | [百度网盘]
	四、基于纯视觉的Occ算法（6周） [课程目录 >](Chapter04-基于纯视觉的Occ算法) - 4.1 纯视觉方法概括 - 4.2 多目相机方案（3周） - 4.2.1 方案概述 - 4.2.2 TPVFormer - 4.2.2.1 算法动机/开创性思想 - 4.2.2.2 主体结构 - 4.2.2.3 损失函数 - 4.2.2.4 实验方法和性能分析 - 4.2.3 OccFormer - 4.2.2.1 算法动机/开创性思想 - 4.2.2.2 主体结构 - 4.2.2.3 损失函数 - 4.2.2.4 实验方法和性能分析 - 4.2.4 OccDepth - 4.2.2.1 算法动机/开创性思想 - 4.2.2.2 主体结构 - 4.2.2.3 损失函数 - 4.2.2.4 实验方法和性能分析 - 4.2.5 VoxFormer - 4.2.6 Occ-BEV - 4.2.7 OccNeRF - 4.2.7.1 算法动机/开创性思想 - 4.2.7.2 主体结构 - 4.2.7.3 损失函数 - 4.2.7.4 实验方法和性能分析 - 4.2.8 SelfOcc - 4.2.8.1 算法动机/开创性思想 - 4.2.8.2 主体结构 - 4.2.8.3 损失函数 - 4.2.8.4 实验方法和性能分析 - 4.2.9 BEV-IO - 4.2.10 SurroundOcc - 4.2.11 方法对比 - 4.2.12 代码实战(复现SurroundOcc) - 4.2.12.1 数据处理 - 4.2.12.2 模型结构源代码分析 - 4.2.12.3 训练方法（真值监督与loss） - 4.2.12.4 训练与推理可视化 - 4.3 单目相机方案（2周） - 4.3.1 方法概述 - 4.3.2 单目相机3D检测 - 4.3.2.1 PGD - 4.3.2.2 SMOKE - 4.3.2.3 Monoflex - 4.3.2.4 FCOS3D - 4.3.3 单目相机Occ代表工作 - 4.3.3.1 MonoScene 原理 - 4.3.3.2 StereoScene 原理 - 4.3.4 方法对比 - 4.3.5 代码实战（复现MonoScene） - 4.4 小结与课后习题	[📹 Video] | [百度网盘]	[PPT] | [百度网盘]
	五、基于点云和多模态融合的Occ方案（4周） [课程目录 >](Chapter05-基于点云和多模态融合的Occ方案) - 5.1 多模态方式Occ概述 - 5.2 点云3D检测网络介绍（1.5周） - 5.2.1 VoxelNet - 5.2.2 PointPillar - 5.3 基于点云监督的Occ方案（2周） - 5.3.1 FastPillars - 5.3.2 SECOND - 5.3.3 OpenOccupancy - 5.3.4 OccFusion - 5.3.4 [PointOcc](https://github.com/wzzheng/PointOcc) - 5.3.5 [Occ4cast](https://github.com/ai4ce/Occ4cast) - 5.4 代码实战（复现PointOcc） - 5.4.1 数据处理 - 5.4.2 模型结构源代码分析 - 5.4.3 训练方法（真值监督与loss） - 5.4.4 训练与推理可视化 - 5.5 小结与课后习题	[📹 Video] | [百度网盘]	[PPT] | [百度网盘]
	六、占据网络部署小试（1.5周） [课程目录 >](Chapter06-占据网络部署小试：模型量化加速与部署) - 6.1 模型量化部署概述 - 6.1.1 PTQ （训练后量化、低比特量化） - 6.1.2 QAT 量化感知训练 - 6.2 英伟达芯片量化部署工具链 - 6.2.1 Cuda 基本概述 - 6.2.2 TensorRT 基本概述 - 6.2.3 模型转换(torch2onnx\onnx2trt) - 6.2.4 低比特量化PTQ - 6.2.5 BEVFusion 部署实战 - 6.2.6 BEVFormer 部署实战 - 6.3 地平线J5量化部署工具链 - 6.3.1 导引：MobileNet 低比特量化 - 6.3.2 ‘天工开物’量化部署基本流程 - 6.3.3 模型转换(torch2onnx\onnx2trt) - 6.3.4 低比特量化PTQ - 6.3.5 FlashOCC 部署实战 - 6.3.6 FastBEV 部署实战	[📹 Video] | [百度网盘]
	七、课程展望与总结（1周） [课程目录 >](Chapter07-课程展望与总结) - 7.1 基本现状、发展趋势和挑战 - 7.2 Occ应用Nerf的一些思考 - 7.2.1 OccNerf、SelfOcc自监督训练方式 - 7.2.2 4D数据标注 - 7.2.3 3D gaussian-splatting 三维场景重建（训练、仿真） - 7.3 算法框架 - 短期： - 7.3.1 感知-预测联合模型 - 7.3.2 数据驱动的端到端 [UniAD](https://github.com/OpenDriveLab/UniAD) - 7.3.3 矢量地图在线建图：MapTR/MapTRv2、ScalableMap、VectorMapNet、HDMapNet、GeMap、MapEX、[HybriMap](https://mp.weixin.qq.com/s/DrerkRzdiIIz7OZMz_9p0g) - 7.3.4 BEV-OCC-Transformer: OccFormer、OccWorld、Occupancy-Flow - 长期： - 7.3.5 端到端大模型 [LMDrive](https://github.com/opendilab/LMDrive) [关于大模型和自动驾驶的几个迷思](关于大模型和自动驾驶的几个迷思.md) - 7.3.6 通用视觉大模型(世界模型)（常识推理、自监督/弱监督）：Drive-WM、DriveDreamer - 7.3.7 模型稀疏化（我们其实不需要那么多数据量做训练？） - 7.3.8 训练加速&端侧大模型推理加速 - 7.4 数据 - 7.4.1 4D数据自动标注 - 7.4.2 数据合成 - DrivingDiffusion、[MagicDrive](https://zhuanlan.zhihu.com/p/675303127)、UrbanSyn - [CLIP2Scene](https://github.com/runnanchen/CLIP2Scene) - 7.5 端到端闭环仿真（[NeuroNCAP](https://research.zenseact.com/publications/neuro-ncap/)、[NeuRAD](https://research.zenseact.com/publications/neurad/)、VAD、UniAD、UniSim） - 7.6 其他 - 7.6.1 舱驾一体 - 7.6.2 AI 编译器: MLIR、TVM、XLA、Triton - 7.6.3 模型剪枝、模型蒸馏、模型压缩、模型量化（PTQ、QAT） - 7.6.4 自动驾驶系统评测方案	[📹 Video] | [百度网盘]
	八、大作业(实践内容)（2周） [课程目录 >](Chapter08-FinalProject) - 8.1 复现一个纯视觉方案: 走通数据标定、BEV视角坐标对齐，实现3D目标检测、3D语义场景补全补全完整流程。 - 8.2 参考答案	[📹 Video] | [百度网盘]	[PPT] | [百度网盘]
🔥 试看	九、补充材料（1周） [课程目录 >](Chapter09-Appendix) - 9.1 Transformer in Vision - 9.2 BEV+Transformer - 9.3 E2E、LLM、Data-driven	[📹 Video] | [百度网盘]
	🎉 课程彩蛋 这是一个彩蛋 🥚

课前预习材料

已建立微信交流群，微信 Yida_Zhang2

• 论文一作李志琦解读BEVFormer： 基于Transformer的自动驾驶BEV纯视觉感知，CVPR2022 workshop，代码刚开源
• 环视BEV感知：下一代自动驾驶感知算法新范式，BEVFormer、BEVFormer++、BEVFusion等系列算法分享
• CVPR23 | 3D Occupancy 预测冠军方案：FB-OCC
• CVPR2023 Occupancy Prediction比赛方案总结
• 迈向BEV的大一统 | 基于纯视觉策略的BEV感知
• BEVFusion+BEVFormer讲解
• 有基础的同学，可进一步看本课程的补充材料

Quick-start

git clone https://github.com/Charmve/OccNet-Course --recursive ～/workspace/OccNet-Course
cd ～/workspace/OccNet-Course

./scripts/start_dev_docker.sh
./scripts/goto_dev_docker.sh

bash docker/run_after_start_docker.sh # inside docker

cd code/

背景介绍

在没有occupancy network之前，感知只有识别出障碍物是什么类型，规控才会响应，进行制动或避让的响应。如果感知识别不出来，不好意思，就是一堵墙挡在前面，车子也会“无脑”撞上去。  > 没有occupancy network之前的特斯拉 就算识别出了目标，给出的空间也不一定准确。按照3m的跟停距离来说，这种场景也有一定剐蹭的风险。  > 敢问阁下将如何应对 但有了occupancy network之后，感知就可以输出这部分的网格是被占用的，达到类似激光雷达点云的作用，从而给出位置和速度。规控就可以对这种被占用的位置做响应。 > occupancy networks 效果图 可以说occupancy network对感知来说是质的飞跃，干掉激光雷达成为了可能。有了occupancy network，撞墙、撞无法识别出类型的障碍物已经成为历史！无论是路边的电线杆、还是标志牌，无论挡在车前的是树枝、是牛都可以响应。  Occupancy网络可以识别移动部分和非移动部分、未知障碍物等。 很多人提到Occ网络，会理解为对通用障碍物，尤其是白名单之外的异形障碍物的感知能力，这没有错。但很多人不知道，Occ网络对于遮挡，也能起到很好的脑补能力。3D空间的占据栅格可以很方便计算遮挡关系，就能帮助感知系统预见遮挡区域。

---

课程介绍

大家好！

欢迎来到《占据网络在自动驾驶中的应用》这门课程的学习，我是Charmve，大家也可以叫我察姆。目前任职于国内某自动驾驶独角兽公司，有多年自动驾驶量产经验。在本课程中，我们主要对今年国内外备受关注的Occupancy Network做一个专题学习分享，普遍认为它是解决自动驾驶感知长尾问题的关键技术。

特斯拉在去年AI DAY上，分享了他们在感知方面的一个重点技术：Occupancy Network (占据网络)，自此引发业内网对占据网络的关注。研究机器人技术的同学肯定对occupancy grid不会陌生，occupancy表示空间中每个3D体素（voxel）是否被占据，可以是0/1二元表示，也可以是[0, 1]之间的一个概率值。

为什么估计occupancy对自动驾驶感知很重要呢？很核心的一个原因是：车辆在行驶中，除了常见障碍物如车辆、行人，我们可以通过3D物体检测的方式来估计他们的位置和大小，还有更多长尾的障碍物也会对行驶产生重要影响。例如：

1. 可变形的障碍物，如两节的挂车，不适合用3D bounding box来表示；
2. 异形障碍物，如翻倒的车辆，3D姿态估计会失效；
3. 不在已知类别中的障碍物，如路上的石子、垃圾等，无法进行分类。

因此，我们希望能找到一种更好的表达来描述这些长尾障碍物，完整估计3D空间中每一个位置的占据情况（occupancy），甚至是语义（semantics）和运动情况（flow）。

特斯拉用下图的具体例子来展现Occupancy Network的强大。不同于3D的框，occupancy这种表征对物体没有过多的几何假设，因此可以建模任意形状的物体和任意形式的物体运动。图中展示了一个两节的公交车正在启动的场景，蓝色表示运动的体素，红色表示静止的体素，Occupancy Network精确地估计出了公交车的第一节已经开始运动，而第二节还处于静止状态。

图1 Tesla Occupancy Network
▲对正在启动的两节公交车的occupancy估计，蓝色表示运动的体素，红色表示静止的体素

特斯拉的Occupancy Network 模型结构如下图所示。首先模型利用RegNet和BiFPN从多相机获取特征，然后模型通过带3D空间位置的spatial query对2D图像特征进行基于attention的多相机融合。如何实现3D spatial query和2D特征图之间的联系呢？具体融合的方式图中没有细讲，但最有可能采取的是两种方案： - 第一种，叫做3D-to-2D query，即根据每个相机的内外参将3D spatial query投影到2D特征图上，提取对应位置的特征。该方法在DETR3D[1]中提出，BEVFormer[2]和PolarFormer[3]也采取了该思想。 - 第二种，是利用positional embedding来进行隐式的映射，即将2D特征图的每个位置加上合理的positional embedding，如相机内外参、像素坐标等，然后让模型自己学习2D到3D特征的对应关系，该方法在论文PETR中提出[4]。再接下来模型进行时序融合，实现的方法是根据已知的自车位置和姿态变化，将3D特征空间进行拼接。 不光是上述提到的BEVFormer、PETR算法，我们在本课程中会详细的分析、总结和对比不同算法之间的来龙去脉，各自发展的过程，核心思想和优化点。 这一工作的分享，激发了大家对自动驾驶感知算法方向的探讨，普遍认为占据网络是未来感知算法的终极解决方案 。通过稠密的空间体素占用确定自动驾驶车辆的感知结果，为预测和规划提供更加准备的条件。更加有利于特征时序融合、做到自动驾驶端到端的解决方案，最终实现L4，直至L5完全无人驾驶。

图2 空间占据预测示例（TPVFormer、OccFormer）

不知道怎么学习占据网络？学习难度大？

今年来，学术界和工业界都在视觉occupancy方面有了大量的工作，从纯视觉的方案到多传感器的方案、从前向预测到后向预测，再到最近提出的forward-backward联合方案。对于我们初学者，造成了极大的学习困难。一下子不知道如何下手，从哪开始。本课程的出发点就是为了解决这个痛点，应该算是国内外对于占据网络全面讲解的第一个课程或者专题内容。 在接下来的很长一段时间，我会从自动驾驶从业者的角度，跟大家一起学习和分享占据网络的发展及其算法原理，同时我们也提供了代码实践内容。以通俗的语言讲解从2D目标检测到BEV视角下的3D目标检测，再到3D空间占用算法的整个过程。并且尤其关注到算法原理本身，对比不同算法，详细分析其核心思想和各算法的优化点。更为特别的，在本课程中，我们会给出两个占据网络的复现和优化，让你快速复现，学以致用。尤其适合目前正在求职的朋友、对自动驾驶感知算法感兴趣的跨行就职者。每个章节都会有详细的课件和答疑群，欢迎大家一起交流！课程后，会有一个大作业，根据给出的条件和目标，思路提示，完成占据网络算法的优化，提升mIoU指标。

课件代码一应俱全

细致的讲解，不光要有理论，代码及实践也一定要讲透彻！通过全套的视频讲解，帮你在脑海中搭建模型的基本框架，彻底搞懂每一个知识点，从而提高写代码的效率和速度。 [课程目录 >](#课程目录)

课程特色

✨ 系统性学习占据网络算法设计原理、多种方案对比分析，由浅入深。最重要的是，本课程是一个实践课程，亲自动手设计、训练和部署一个Occ网络，走完一个闭环。这对于进入求职者是十分有优势的一点，尤其对于现在想要进入自动驾驶算法岗位的同学，占据网络、BEV、Transformer和部署经验，都是十分有竞争力的一点。

由浅入深，通俗易懂

作者根据多年的自动驾驶经验，从占据网络的发展过程详细的阐述从2D检测到BEV 3D检测再到占据网络，讲清楚为什么前一方法不适用，各自方法有什么局限性。占据网络的神力又在哪里？由浅入深，一个问题一个问题解答。

Occ算法全覆盖，高度提炼

涵盖当前几乎所有的占据网络算法，融会贯通，总结和提炼各自算法的核心思想，引出新的思考。

理论结合实战

项目实战和理论结合，实战课程的课后配套实战代码和操作文档，随学随练、快速掌握。

[课程目录 >](#课程目录)

讲师介绍

我是 Charmve，在多家自动驾驶头部公司任职，主要关注在BEV视觉感知、3D场景重建，有多个自动驾驶量产项目经验。近年来，尤其关注在占据网络的研发上，根据个人所学所思和工作实践，跟大家一起分享这个主题内容。 [课程目录 >](#课程目录)

课程学后收获

1. 对占据网络有较为全面的认识，深入理解各种算法的核心思想和原理，尽可能做到融会贯通，结合实际工作，改善和提高系统感知能力； 2. 对自动驾驶系统的感知算法会有较深入的理解，掌握感知算法的设计痛点和难点； 3. 学完本课程，并理解本课程所讲解的内容，你将会是占据网络掌握的少数人！ 4. 提高从业竞争力，卷过同级身边人，同时也能够结识许多行业从业人员与学习合作伙伴！

[课程目录 >](#课程目录)

适合人群

1. 计算机视觉与自动驾驶感知相关研究方向的本科/硕士/博士； 2. CV与自动驾驶2D/3D感知相关算法工程人员； 3. 对占据网络算法感兴趣的朋友，要是有实际需求会更好； 4. 对计算机视觉有部分了解，具有一定的Python、Pytorch基础的小伙伴；

[课程目录 >](#课程目录)

开课时间与学习方式

2023年11月份开始学习之路，历经两个月，离线视频授课。主讲老师在微信学习群内答疑，对课程中的算法、代码、环境配置等问题一一解惑！ [课程目录 >](#课程目录)

课程咨询与购买

课程采用预售方式，本仓库star数超过1k，或预定人数超过100人后，将会上线全部课程和源代码，课程长期更新。 [课程目录 >](#课程目录) ## 🔥 Stargazers Over Time [](https://star-history.com/#Charmve/OccNet-Course&Timeline) [课程目录 >](#课程目录) ## Closed-loop Simulator [课程展望与总结 >](Chapter07-课程展望与总结) [课程目录 >](#课程目录) ## Acknowledge Some benchmark result and soure code from: https://github.com/CVPR2023-3D-Occupancy-Prediction/CVPR2023-3D-Occupancy-Prediction